論文の概要: Abstract Dialectical Frameworks are Boolean Networks (full version)

• arxiv url: http://arxiv.org/abs/2407.02055v1
• Date: Tue, 2 Jul 2024 08:37:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 16:14:40.368959
• Title: Abstract Dialectical Frameworks are Boolean Networks (full version)
• Title（参考訳）: 抽象辞書フレームワークはBoolean Networks(フルバージョン)
• Authors: Jesse Heyninck, Matthias Knorr, João Leite,
• Abstract要約: 我々は,これらの2つの形式主義の関係と,その相違を明らかにすること,および,個々の形式主義の新たな結果を確立するための対応について検討する。
• 参考スコア（独自算出の注目度）: 7.324459578044214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dialectical frameworks are a unifying model of formal argumentation, where argumentative relations between arguments are represented by assigning acceptance conditions to atomic arguments. Their generality allow them to cover a number of different approaches with varying forms of representing the argumentation structure. Boolean regulatory networks are used to model the dynamics of complex biological processes, taking into account the interactions of biological compounds, such as proteins or genes. These models have proven highly useful for comprehending such biological processes, allowing to reproduce known behaviour and testing new hypotheses and predictions in silico, for example in the context of new medical treatments. While both these approaches stem from entirely different communities, it turns out that there are striking similarities in their appearence. In this paper, we study the relation between these two formalisms revealing their communalities as well as their differences, and introducing a correspondence that allows to establish novel results for the individual formalisms.
• Abstract（参考訳）: 弁証的フレームワークは形式的議論の統一モデルであり、議論間の議論的関係は、受け入れ条件を原子的議論に割り当てることによって表される。 それらの一般性は、議論構造を表現する様々な形態の様々なアプローチをカバーできる。 ブール制御ネットワークは、タンパク質や遺伝子などの生物学的化合物の相互作用を考慮して、複雑な生物学的過程のダイナミクスをモデル化するために用いられる。 これらのモデルは、例えば新しい医学的治療の文脈において、既知の振る舞いを再現し、新しい仮説とシリコの予測をテストすることができるように、そのような生物学的プロセスを理解するのに非常に有用であることが証明されている。 どちらのアプローチも全く異なるコミュニティに由来するが、その出現には顕著な類似点があることが判明した。 本稿では,これらの2つの形式主義の関係と,その相違点を明らかにすること,および,個々の形式主義に新たな結果を与えるための対応を導入することを提案する。

関連論文リスト

• Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
  我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。 我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。 我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Toward Understanding In-context vs. In-weight Learning [50.24035812301655]
  本研究は,文脈内学習の出現と消失を引き起こす簡易な分布特性を同定する。 そして、この研究を完全な大規模言語モデルに拡張し、自然言語プロンプトの様々なコレクションの微調整が、文脈内および重み付き学習の振る舞いをいかに引き出すかを示す。
  論文  参考訳（メタデータ） (2024-10-30T14:09:00Z)
• A generative framework to bridge data-driven models and scientific theories in language neuroscience [84.76462599023802]
  脳内の言語選択性の簡潔な説明を生成するためのフレームワークである生成的説明媒介バリデーションを提案する。 本研究では,説明精度が基礎となる統計モデルの予測力と安定性と密接に関連していることを示す。
  論文  参考訳（メタデータ） (2024-10-01T15:57:48Z)
• Explaining Text Similarity in Transformer Models [52.571158418102584]
  説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。 両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。 我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
  論文  参考訳（メタデータ） (2024-05-10T17:11:31Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• Analyzing Diffusion as Serial Reproduction [12.389541192789167]
  拡散モデルは、データを徐々にノイズにマッピングする拡散過程を反転させることでサンプルを合成することを学ぶ。 私たちの研究は、認知科学の古典的なパラダイムが、最先端の機械学習問題に光を当てる方法を強調しています。
  論文  参考訳（メタデータ） (2022-09-29T14:35:28Z)
• A Neural Approach for Detecting Morphological Analogies [7.89271130004391]
  分析比例は "A is to B as C is to D" という形の言明である 形態的類似を検出するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-08-09T11:21:55Z)
• Causal Analysis of Syntactic Agreement Mechanisms in Neural Language Models [40.83377935276978]
  本研究は、訓練済みニューラルネットワークモデルに因果媒介分析を適用した。 文法的屈折に対するモデルの好みの大きさについて検討する。 本研究は, 構文構造に応じて, 主語と主語を一致させる2つのメカニズムを観察する。
  論文  参考訳（メタデータ） (2021-06-10T23:50:51Z)
• Modelling Compositionality and Structure Dependence in Natural Language [0.12183405753834563]
  言語学と集合論に基づいて、これらの概念の形式化がこの論文の前半で述べられている。 言語処理を行う認知システムは,特定の機能的制約を持つ必要がある。 単語埋め込み技術の進歩を利用して、関係学習のモデルがシミュレートされる。
  論文  参考訳（メタデータ） (2020-11-22T17:28:50Z)
• On the Relationship Between Active Inference and Control as Inference [62.997667081978825]
  アクティブ推論(英: Active Inference、AIF)は、生物学的エージェントがモデルエビデンスに束縛された変動を最小限に抑えることを示唆する脳科学の新たな枠組みである。 制御・アズ・推論(英: Control-as-Inference, CAI)は、意思決定を変分推論問題とみなす強化学習の枠組みである。
  論文  参考訳（メタデータ） (2020-06-23T13:03:58Z)
• Do Neural Models Learn Systematicity of Monotonicity Inference in Natural Language? [41.649440404203595]
  本稿では,ニューラルネットワークが自然言語の単調推論の体系性を学習できるかどうかを評価する手法を提案する。 単調性推論の4つの側面を考察し、モデルが異なるトレーニング/テスト分割における語彙的および論理的現象を体系的に解釈できるかどうかを検証する。
  論文  参考訳（メタデータ） (2020-04-30T14:48:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。